[發(fā)明專利]一種基于隨機(jī)集理論的多傳感器分布式高效融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910312086.4
• 申請(qǐng)日: 2019-04-18
• 公開（公告）號(hào): CN110035405B
• 公開（公告）日: 2020-04-28
• 發(fā)明（設(shè)計(jì)）人: 楊曉波;賴淦;干娜;庫飛龍;李溯琪;易偉;孔令講
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): H04W4/38
• 分類號(hào): H04W4/38
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

1.一種基于隨機(jī)集理論的多傳感器分布式高效融合方法，其特征在于，包括以下步驟：

S1、初始化系統(tǒng)參數(shù)，并選定傳感器融合準(zhǔn)則；

S2、初始化傳感器的多目標(biāo)基數(shù)化概率假設(shè)密度分布；

S3、各傳感器接收到第一幀掃描數(shù)據(jù)后，以初始化的基數(shù)化概率假設(shè)密度分布作為先驗(yàn)分布，將該幀數(shù)據(jù)通過基數(shù)化概率假設(shè)密度濾波器進(jìn)行濾波，計(jì)算出本地后驗(yàn)基數(shù)化概率假設(shè)密度分布；

S4、將本地后驗(yàn)基數(shù)化概率假設(shè)密度分布與臨近節(jié)點(diǎn)交換，并對(duì)后驗(yàn)分布進(jìn)行聯(lián)合分組；包括以下子步驟：

S41、選取馬氏距離d_M作為聯(lián)合分組準(zhǔn)則，馬氏距離的表達(dá)式為：

其中，代表第s個(gè)傳感器濾波后第l個(gè)目標(biāo)的狀態(tài)均值，P_l^(s)代表對(duì)應(yīng)的協(xié)方差矩陣，ω代表傳感器節(jié)點(diǎn)對(duì)應(yīng)的融合權(quán)重，s＝a,b，l＝i,j；

S42、初始化聯(lián)合分組為空集，表示為并選定分組閾值Γ；

S43、將馬氏距離小于閾值Γ的聯(lián)合分組進(jìn)行合并；

S44、重復(fù)步驟S43直至組間的馬氏距離都大于閾值Γ，得到N組關(guān)于融合后基數(shù)化概率假設(shè)密度所表征后驗(yàn)的聯(lián)合分組，記為其中

S5、根據(jù)聯(lián)合分組結(jié)果，并行地在每一聯(lián)合分組內(nèi)將傳感器a與傳感器b的基數(shù)化概率假設(shè)密度進(jìn)行分布融合，得到近似的融合狀態(tài)概率密度函數(shù)和目標(biāo)個(gè)數(shù)概率密度函數(shù)；

S6、通過最大后驗(yàn)估計(jì)準(zhǔn)則計(jì)算目標(biāo)個(gè)數(shù)，然后估計(jì)目標(biāo)狀態(tài)；

S7、接收下一幀掃描數(shù)據(jù)，以當(dāng)前的后驗(yàn)基數(shù)化概率假設(shè)密度分布為先驗(yàn)，通過基數(shù)化概率假設(shè)密度濾波器進(jìn)行濾波，得到各個(gè)傳感器新的基數(shù)化概率假設(shè)密度分布，然后采用步驟S4～步驟S6相同的方法處理；

S8、采用步驟S4～S7相同的方法處理余下的k幀掃描數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)集理論的多傳感器分布式高效融合方法，其特征在于，所述步驟S1中初始化的參數(shù)包括傳感器監(jiān)視范圍、監(jiān)視范圍分辨率單元、傳感器分辨率△r、傳感器檢測概率p_D、傳感器掃描周期T、掃描總幀數(shù)K和傳感器個(gè)數(shù)S。

3.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)集理論的多傳感器分布式高效融合方法，其特征在于，所述步驟S1選定傳感器融合準(zhǔn)則為：

其中，表示目標(biāo)狀態(tài)的隨機(jī)有限集；表示第s個(gè)傳感器當(dāng)前時(shí)刻的后驗(yàn)概率密度分布；表示融合后的后驗(yàn)概率密度分布；ω表示該融合準(zhǔn)則的參數(shù)，這個(gè)參數(shù)決定了相應(yīng)后驗(yàn)分布在融合時(shí)的權(quán)重；ω^(s)表示傳感器s的融合權(quán)重；δ表示集合變量的微分符號(hào)。

4.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)集理論的多傳感器分布式高效融合方法，其特征在于，所述步驟S3本地后驗(yàn)基數(shù)化概率假設(shè)密度分布的表達(dá)式為：

其中，表示目標(biāo)數(shù)量的階乘，表示目標(biāo)數(shù)量的概率密度函數(shù)，ρ(x)為每個(gè)目標(biāo)狀態(tài)對(duì)應(yīng)的概率密度函數(shù)。

5.根據(jù)權(quán)利要求1所述的一種基于隨機(jī)集理論的多傳感器分布式高效融合方法，其特征在于，所述步驟S5具體實(shí)現(xiàn)方法為：根據(jù)步驟S4的聯(lián)合分組結(jié)果，并行地在每一聯(lián)合分組內(nèi)將傳感器a與傳感器b的基數(shù)化概率假設(shè)密度分布地進(jìn)行融合，得到近似的融合狀態(tài)概率密度函數(shù)和目標(biāo)個(gè)數(shù)概率密度函數(shù)

其中：

其中，表示第g個(gè)聯(lián)合分組下傳感器s的融合分量集合，分別代表融合分量的權(quán)重、均值和協(xié)方差矩陣，表示以為參數(shù)的高斯分布表達(dá)式；

將近似的融合分布與其余的臨近節(jié)點(diǎn)融合，以此方法與所有臨近節(jié)點(diǎn)的本地后驗(yàn)基數(shù)化概率假設(shè)密度分布融合完畢。